一、ssd-resnet18

比赛默认提供的目标检测模型是ssd，backbone是resnet18，默认训练80批次，部分训练参数及结果如下图1。

max map 0.8428856637198172
min train loss 4.685321
min val loss 44.12858346390398

图1 ssd-resnet18训练结果图

二、ssd-resnet50

把resnet18改为resnet50，但是学习率没有调整好，导致过拟合了，实验结果如图二。

max map 0.48516015039328986
min train loss 8.325766
min val loss 74.27994304813751

图2 ssd-resnet50过拟合训练结果图

调整学习率，提高epoch到300，map回归正常，实验结果如图3。

max map 0.8693470923063038
min train loss 5.8156857
min val loss 38.21444113468411

图3 ssd-resnet50训练结果图

三、ssd-resnet101

或许是参数没有调整好，相对于resnet18和resnet50效果并没有提升。

max map 0.8139915690690182
min train loss 17.634895
min val loss 49.02305871703696

[我参加NVIDIA Sky Hackathon]（模型训练ssd系列）相关推荐

【我参加NVIDIA Sky Hackathon】感悟篇
我们团队来自陕西省咸阳市咸阳师范学院,在本次比赛中我们认识到了与其他人的差距,我们最终获得了第14名的成绩,对于我们来说是第一次参加NVIDIA Sky Hackathon的比赛,这次算是一次积累经验 ...
我参加 NVIDIA Sky Hackathon——有关ASR模型相关简述
2022年10月29日团队报名了第七届NVIDIA SKy Hackathon大赛并于2022年11月28日成功完赛本次系列比赛为团队第二次参加,在有了一定经验的情况下,本次团队也取得了一定的成绩 ...
[我参加NVIDIA Sky Hackathon] 训练模型安装
1 获取 NGC 秘钥 1. 创建 NGC 账号:这个帐号与 NVIDIA Developer 账号是独立的,需要单独申请.如果已经有 NGC 帐号的,请跳过下面申请的流程,直接到第 2 步&qu ...
我参加NVIDIA Sky Hackathon（系统环境配置）
以下内容是本组成员在参赛流程以及遇到的问题的解决方案,仅供参考.电脑型号为华硕天选3 i5 一.获取NGC密钥 1. 创建NGC账号 (1).登录 https://ngc.nvidia.com 会直接 ...
【我参加NVIDIA Sky Hackathon】ASR篇
项目说明:通过NVIDIA公司提供的Tao来训练模型,做出一个语音识别和图像识别垃圾的模型在ASR数据集中,为了使得模型训练效果更明显,我们在数据搜集的过程中,邀请了不同年龄段的人来进行语音的录制, ...
[我参加NVIDIA Sky Hackathon]（模型训练yolo系列）
由于NVIDIA在CV APPLICATIONS->Object Detection提供了yolov3和yolov4的模型配置及训练部署教程,并且yolov4相对于yolov3性能较好,所以选择 ...
我参加NVIDIA Sky Hackathon（语音识别模型训练）
ASR听觉训练 #0 导入nemo工具库及asr工具类 [1] import nemo import nemo.collections.asr as nemo_asr #1.1 加载自动语音识别 ...
我参加NVIDIA Sky Hackathon 训练文件的路径设置
各变量的作用 KEY 对应的是 NVIDIA ngc 的那个网站上面生成的那个 key GPU 的索引, 这个一般不需要修改, 因为大家只有一块 GPU 用户实验目录, 这个文件夹用于存放后续过程产生 ...
【我参加NVIDIA Sky Hackathon】CV篇
项目说明:以"挑战智能语音垃圾分类任务"为主题.内容涵盖:语音识别.垃圾检测及用户接口的web页面实现等.项目流程包括:(注:图片来源于NVIDIA针对于本次比赛的培训PPT) 在 ...

[我参加NVIDIA Sky Hackathon]（模型训练ssd系列）

一、ssd-resnet18

二、ssd-resnet50

三、ssd-resnet101

[我参加NVIDIA Sky Hackathon]（模型训练ssd系列）相关推荐

最新文章

热门文章